arXiv cs.CLは10月1日(現地時間)、チンルン・フー氏らが、多者間金融チャットルームにおける見逃し取引特定のためのイベント抽出を行うハイブリッドLLMパイプライン「フィンダイアログレンズ (FinDialogLens)」を発表した。このシステムは、手動での回復が困難な複雑な状況に対応し、GPT-4oとの組み合わせで高い精度を達成している。
多者間金融チャットルームは、セールスおよびトレーディングのプロフェッショナルにとって不可欠なツールである一方で、その複雑さから見逃された取引の手動回復が実現不可能である点が課題となっていた。各Request for Quote (RFQ) は一つのイベントであり、その最終価格と取引結果はRFQトリガーメッセージの後に多数のメッセージにわたって出現し、他の参加者からの並行するRFQと混在する。
フィンダイアログレンズは、この課題を多者間対話におけるイベント抽出 (EE) と捉え、ハイブリッドLLMパイプラインとして設計された。このパイプラインでは、コンパクトにファインチューニングされた分類器が推論時の足場として機能し、RFQトリガーや価格・取引結果のメタデータを検出する。RFQ-Level ModuleはイベントごとのRFQウィンドウをセグメント化し、Trade Engineが引数ロールを埋める。
GPT-4oとの組み合わせにおいて、フィンダイアログレンズは最終価格で92.1%、取引結果で94.3%の精度を達成し、フルチャットルームのCoTプロンプティング手法を上回った。3Bパラメータ程度のオープンソースLLMでも、控えめなドメイン内データで同等の性能を達成している。このLLMベースのソリューションを大規模で実用的にするため、難易度認識ルーターが導入された。これにより、低コストのルールベースエンジンと高性能なLLM駆動のTrade Engine間でRFQが割り当てられ、最終価格に関するLLM呼び出しを85%削減しつつ、フィンダイアログレンズ (GPT-4o) への精度ギャップの半分を回復している。この最適化により、1日あたり70,000 RFQの規模で、1日あたり300ドル以上のコスト削減が実現される。この研究はEMNLP 2026 (Industry Track) で採択されている。
参考: arXiv cs.CL (アーカイブ) — 2026年10月5日 13:00 (JST)
原文ハイライト"FinDialogLens: Event Extraction over Multi-Party Dialogue for Missed-Trade Identification in Financial Chatrooms"